Matthew+Finnegan

編譯 Charles

據(jù)分析公司Teradata首席技術官Stephen Brobst講，隨著機器學習技術在企業(yè)中的廣泛應用，數(shù)據(jù)科學家的角色將出現(xiàn)變化。

雖然“人工智能”方法背后的很多原理并不是什么新事物，但近年來企業(yè)對人工智能的興趣卻日益高漲。據(jù)Brobst，隨著其應用趨于更加廣泛和全面，數(shù)據(jù)科學家的角色也將開始演化。

他解釋說，數(shù)據(jù)科學家通常花大量的時間解析數(shù)據(jù)，然后將其送給預測模型。將來，更多的這類工作將會自動完成，數(shù)據(jù)科學家轉而專注于選擇哪種機器學習或者深度學習工具來完成具體的任務。

他說：“數(shù)據(jù)科學家不會把大部分時間花在處理數(shù)據(jù)本身上，而是把大部分時間花在算法上——因此，您應非常擅長神經網絡的算法選擇和拓撲選擇，等等。

您還需要了解數(shù)據(jù)性質會怎樣影響您的算法選擇，但準備數(shù)據(jù)的時間會少很多，而數(shù)據(jù)科學家現(xiàn)在有60%多的時間都在準備數(shù)據(jù)、分解數(shù)據(jù)、分析數(shù)據(jù)，對其進行格式化，今后再也不需要這樣了?！?/p>

他說，隨著高級算法用于機器學習目的，這種情況目前已經出現(xiàn)了，但是隨著深度學習——機器學習的一個分支的廣泛應用，數(shù)據(jù)科學家關注的重點也會出現(xiàn)變化。

他說：“在深度學習中，對領域知識的要求越來越低，而針對您擁有的所有數(shù)據(jù)類型選擇算法的要求卻越來越高，因此，技能的變化會非常非常有趣?！?/p>

數(shù)據(jù)科學技能差距

然而，對很多企業(yè)而言，挑戰(zhàn)在于首先要找到合適的數(shù)據(jù)科學專業(yè)知識。盡管科技公司努力提供培訓課程和資源，但獲得技能仍然是最大的挑戰(zhàn)。

Brobst解釋說：“現(xiàn)在有很大的技能差距，原因在于合格數(shù)據(jù)科學家的數(shù)量遠遠滿足不了需求——這在英國尤其如此。部分原因是因為英國在理解數(shù)據(jù)科學重要性方面比較靠前，英國企業(yè)在這方面起了主導作用?！?/p>

這不僅僅是英國面臨的問題。他說：“全世界的數(shù)據(jù)科學家都不夠用。全世界都在尋找優(yōu)秀的數(shù)據(jù)科學家?！?/p>

一種解決辦法是改進培訓和教育。Brobst解釋說：“您不能只做一個零和游戲，只是把數(shù)據(jù)科學專家從其他地方挖過來，您也應該具備專業(yè)知識，還要投資于教育系統(tǒng)。”

在美國，大批的資金投入到STEM中，即，科學、技術、工程和數(shù)學，這些都是為了孩子們，尤其是女性，讓他們對科學和數(shù)學等產生興趣。作為一個社會，我們對待女性非常不好，例如，女性在小時候往往比男性更擅長數(shù)學。但是，我們通過社會壓力和其他不良影響，讓她們相信，數(shù)學不是女性要做的事情；這是男孩子們干的事。當然，這完全是謊話。

我們應改變社會對培養(yǎng)技能的看法，不僅培養(yǎng)女性，甚至還要培養(yǎng)那些說“噢，數(shù)學，那是書呆子干的事，沒什么好處”的孩子們。這種情況至少在硅谷有所改變，現(xiàn)在書呆子們都很酷，但是我們應投資于教育系統(tǒng)，促進科學技術、工程和數(shù)學的應用。

創(chuàng)新是關鍵

Brobst說，對STEM學科教育的過度關注讓我們錯過了數(shù)據(jù)科學等工作的關鍵方面，即創(chuàng)造性思維能力。

他說：“相對于STEM，我更喜歡STEAM，即，科學、技術、工程、藝術和數(shù)學。

我們應該培養(yǎng)創(chuàng)造力，因為如果把工作看成是純粹機械的東西，那么就不可能實現(xiàn)真正有趣的突破。您只是得到了持續(xù)改進的東西，而您真正需要的那種藝術的、冒險的、顛覆性的思維以及數(shù)學和科學。人們認為數(shù)學和科學都是機械思維，實際不是。

最好的數(shù)學家和科學家都是顛覆性的思想家。以阿蘭·圖靈為例，他顯然是個顛覆性的思想家，但他的工作是數(shù)學。但是，如果他只從事機械的數(shù)學工作，那他就不會對我們今天的生活產生影響。

您可以教人們去創(chuàng)造性地思考。在很多情況下我們都沒有做到這一點，尤其是在工程和數(shù)學中——如果不是一個完全理性的、一步一步的過程，那么就認為您沒有按規(guī)則行事。所以數(shù)學和科學不僅僅是規(guī)則——如果您真的能創(chuàng)新，那就去創(chuàng)造新規(guī)則。”

原文網址：

http：//www.computerworlduk.com/data/machine-learning-will-transform-data-science-role-says-teradata-cto-3661856/